├── AI大模型RAG项目实战课
│ ├── 1 课程介绍
│ ├── 2 RAG 流程详细剖析
│ ├── 3 大模型应用落地痛点剖析
│ ├── 4 RAG 关键问题剖析
│ ├── 5 RAG 架构演进之Naive RAG
│ ├── 6 RAG 架构演进之Advanced RAG
│ ├── 7 微调 和 RAG 方案选型
│ ├── 8 RAG 的应用落地场景
│ ├── 9 LangChain总体架构设计之什么是LangChain
│ ├── 10 LangChain总体架构设计之LangChain总体架构剖析
│ ├── 11 LangChain总体架构设计之RAG架构支持
│ ├── 12 LangChain总体架构设计之Agent架构支持
│ ├── 13 LangChain总体架构设计之核心API设计剖析
│ ├── 14 Model IO之贯穿整个课程的业务场景引入
│ ├── 15 Model IO之LangChain官网介绍
│ ├── 16 Model IO之Model IO总体概述
│ ├── 17 Model IO之模型调用API实践
│ ├── 18 Model IO之Prompts使用str.format构建模版
│ ├── 19 Prompts使用Few-Shot构建模版
│ ├── 20 Model IO之Prompts使用ExampleSelector构建模版(上)
│ ├── 21 Model IO之Prompts使用ExampleSelector构建模版(下)
│ ├── 22 Model IO之Prompts使用自定义示例器构建模版
│ ├── 23 Model IO之Output Parser
│ ├── 24 Model IO之Ollama工具部署和私有模型部署
│ ├── 25 Model IO之LangChain调用私有模型
│ ├── 26 Model IO之大模型外部函数调用流程剖析
│ ├── 27 Model IO之LangChain调用在线模型的外部函数
│ ├── 28 Model IO之自定义关于外部函数的解析器
│ ├── 29 Model IO之LangChain调用开源模型的外部函数
│ ├── 30 Chains之设计理念和意义
│ ├── 31 Chains之基于LCEC语言构建的Chains
│ ├── 32 Chains之历史的Chains中的最简单的Chain
│ ├── 33 Chains之历史的Chains中的SimpleSequentialChain
│ ├── 34 Chains之历史的Chains中的SequentialChain
│ ├── 35 Chains之历史的Chains中的RouterChain
│ ├── 36 Chains之全链路中实现调用天气函数
│ ├── 37 Chains之全链路中实现调用gp信息函数
│ ├── 38 Chains之全链路中实现全流程跑通
│ ├── 39 Memory之为什么会出现Memory模块？
│ ├── 40 Memory之如何自定义Memory功能？
│ ├── 41 Memory之自定义实体识别的Memory功能
│ ├── 42 Memory之内置模块ConversationBufferMemory
│ ├── 43 Memory之内置模块ConversationBufferWindowMemory
│ ├── 44 Memory之内置模块Entity
│ ├── 45 Memory之内置模块单独使用Memory
│ ├── 46 Memory之内置模块ConversationSummaryMemory
│ ├── 47 Agents之Agent架构的意义
│ ├── 48 Agents之Chains模块的优劣势
│ ├── 49 Agents之LangChain Agents的设计理念
│ ├── 50 Agents之自定义 Agents
│ ├── 51 Agents之LangChain提供的抽象
│ ├── 52 Agents之自定义ReAct方式的Agents
│ ├── 53 Agents之LangChain提供的ReAct Agent抽象
│ ├── 54 Agents之LangChain提供的XML Agent抽象
│ └── …
├── 高性能知识库之代码落地
│ ├── 项目启动与架构设计
│ ├── 高性能知识库之需求分析
│ ├── 高性能知识库之详细设计
│ ├── 高性能知识库之技术选型
│ ├── 高性能知识库之知识管理开发
│ ├── 高性能知识库之智能问答流程开发
│ ├── 高性能知识库之基于Agent问答开发
│ ├── 高性能知识库之联网问答开发
│ ├── 高性能知识库之效果评估工具开发
│ └── …
├── RAG性能优化
│ ├── 01 RAG性能优化之建议使用多路召回方案
│ ├── 02 RAG性能优化之Embedding模型的选择
│ ├── 03 RAG性能优化之表格数据处理方案
│ ├── 04 RAG性能优化之相似度不准问题
│ ├── 05 RAG性能优化之幻觉问题
│ ├── 06 RAG性能优化之高性能的模型管理方案
│ ├── 07 RAG性能优化之基于语义相似度缓存一致性方案
│ ├── 08 RAG性能优化之设计反馈机制
│ ├── 09 RAG性能优化之设置可解释性
│ ├── 10 RAG性能优化之推理资源设计
│ ├── 11 RAG性能优化之图文知识库设计方案
│ └── 12 RAG性能优化之效果评估方案
└── DeepSeek+Dify构建智能体和企业知识库
├── 1 课程介绍
├── Dify平台介绍
├── Dify私有化部署方案设计
├── Dify私有化部署之Docker安装
├── Dify私有化部署之Dify服务启动和注册
├── Dify私有化部署之接入Ollama平台
├── Dify私有化部署之接入DeepSeek私有模型
├── Dify私有化部署之Xinference平台部署
├── Dify私有化部署之接入Xinference平台
├── Dify私有化部署之接入在线的DeepSeek模型
├── Dify私有化部署之Docker容器支持GPU
├── Dify案例实践之对话应用构建-智能机器人
├── Dify案例实践之对话应用-智能面试官
├── Dify案例实践之智能体应用构建-智能旅游助手
├── Dify案例实践之工作流应用构建-智能写作大神
├── Dify案例实践之工作流应用构建-智能客服
├── Dify案例实践之RAGAgent和WorkFlow的区别
└── Dify案例实践之知识库应用构建-企业私有知识库
